Text EGM

Интерпретация внутрисердечных электрограмм посредством текстовых представлений

Уильям Чонвон Хан, Диана Гомес, Ави Алок, Чаодзин Дуан, Майкл А. Розенберг, Дуглас Вебер, Эмерсон Лю, Дин Чжао.

Официальный код «интерпретации внутрисердечных электрограмм посредством текстовых представлений», принятой к 2024 году конференции по здоровью, выводу и обучению (Chil).

Если вы испытываете какие -либо ошибки или у вас есть какие -либо вопросы, пожалуйста, отправьте проблему или контакт в Wjhan {at} Andrew {dot} cmu {dot} edu.

Мы благодарим Центр сердечного ритма Mario Lemieux в больнице общего профиля Allegheny за поддержку этой работы.

Установите среду

Примечание: мы протестировали только на Ubuntu 20.04.5 LTS.

1. conda create -n envname python=3.8

2. conda activate envname

3. git clone https://github.com/willxxy/ekg-af.git

4. cd ekg-af

5. pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

Примечание. Убедитесь, что PIP, который вы используете, находится из среды Conda

6. Проверка, если версия Pytorch совместима с текущими, доступными графическими процессорами путем выполнения python gpu.py В настоящее время мы проверили только на графических процессорах NVIDIA A5000 (24 ГБ) и A6000 (48 ГБ).

7. pip install -r requirements.txt

Настройка данных

1. Несмотря на то, что данные, которые мы курировали, не доступны общедоступны, мы имеем экспериментальные результаты на внешнем наборе данных (основные результаты находятся в таблице 2 в статье), а также «база данных о фибрилляции внутрисердечного предсердия», доступная на Physionet.

2. Чтобы настроить эти данные, cd в папку preprocess .

3. Пожалуйста, выполните следующую команду для загрузки данных.

 wget https://physionet.org/static/published-projects/iafdb/intracardiac-atrial-fibrillation-database-1.0.0.zip

4. Разанипируйте файл, выполнив

 unzip intracardiac-atrial-fibrillation-database-1.0.0

5. Теперь выполните команду Folllowing, чтобы предварительно обрабатывать данные.

 sh preprocess.sh

6. Это должно создать папку данных с несколькими .npy для обучения, проверки и теста.

Начать обучение

1. От Preprocess Folder cd ../ Вернемся к основному каталогу.

2. Теперь вы можете напрямую использовать файлы train.sh для начала обучения.

Вывод

1. Пожалуйста, выполните sh inference.sh после обучения. Обязательно укажите путь контрольной точки.

Визуализация

Все визуализации будут сохранены под их соответствующей папкой контрольной точки. Пожалуйста, cd visualize перед визуализацией. Под папкой visualize , пожалуйста, просмотрите следующие сценарии:

1. stitch.sh - визуализирует реконструированные и прогнозируемые сигналы.

2. viz_tokens.sh - визуализирует токеновое представление сигнала.

3. viz_attentions.sh - визуализирует карту внимания модели.

4. viz_int_grad.sh - визуализирует оценки атрибуции модели.

Цитирование

Если вы нашли этот репозиторий или работу полезным для вас, пожалуйста, укажите следующее бибтек.

 @misc{han2024interpretation,
      title={Interpretation of Intracardiac Electrograms Through Textual Representations}, 
      author={William Jongwon Han and Diana Gomez and Avi Alok and Chaojing Duan and Michael A. Rosenberg and Douglas Weber and Emerson Liu and Ding Zhao},
      year={2024},
      eprint={2402.01115},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}